امروزه یکی از بزرگترین مشکلات سازمانهای فناوری اطلاعات در کشورهای کمتر توسعهیافته، توجه بیش از حد این سازمانها به حوزهی زیرساخت و فناوری است. این توجه تا بدان جا بوده است که بسیاری از مدیران و سازمانها، وجود زیرساختها و فناوریهای بهروز را نشانهای از بلوغ فناو چکیده کامل
امروزه یکی از بزرگترین مشکلات سازمانهای فناوری اطلاعات در کشورهای کمتر توسعهیافته، توجه بیش از حد این سازمانها به حوزهی زیرساخت و فناوری است. این توجه تا بدان جا بوده است که بسیاری از مدیران و سازمانها، وجود زیرساختها و فناوریهای بهروز را نشانهای از بلوغ فناوری اطلاعات سازمان میدانند. اگرچه وجود امکانات فنی و زیرساختی مناسب مانند شبکه، سختافزار، نرمافزار و غیره برای ارائه خدمات مناسب و عملکرد مطلوب امری ضروری است، اما این ویژگیها نمیتواند باعث ایجاد مزیت رقابتی و افزایش بلوغ سازمان شود. حلقهی گمشده در این سازمانها که متأسفانه کمتر مورد توجه قرار گرفته است، چگونگی استفاده از این امکانات در جهت نیل به اهداف سازمانی است. در حوزههای مختلف، استانداردها و بهروشهای متعددی برای تعریف و بهینهسازی فرآیندها وجود دارد. یکی از مهمترین مجموعه مدلهایی که بایستی در واحدهای فناوری اطلاعات مورد توجه قرار گیرند، مدلها و چارچوبهای مربوط به حاکمیت فناوری اطلاعات هستند. حاکمیت فناوری اطلاعات بر روی پیادهسازی و مدیریت کیفیت خدمات فناوری اطلاعات بهنحویکه نیازهای کسبوکار را برآورده نماید، تمرکز دارد. حاکمیت فناوری اطلاعات توسط ارائهدهندگان خدمات از طریق ترکیب مناسبی از افراد، فرآیند و فناوری اطلاعات انجام میپذیرد. هدف این مقاله بررسی مدلها و چارچوبهای مختلف حاکمیت فناوری اطلاعات است تا با الگو برداری از این چارچوبها الگویی برای ارزیابی خدمات فناوری اطلاعات استخراج گردد.
پرونده مقاله
چارچوب ملی معماری سازمانی ایران از چارچوب توگف و روش توسعه معماری آن اقتباس شده است. یکی از مسائل مهم در معماری سازمانی چابک، مدل سازی چابک است. ArchiMateیک استاندارد مدل سازی سطح بالا برای معماری سازمانی است. به دلیل اطمینان بیشتر نیاز است تا استاندارد ArchiMate با سا چکیده کامل
چارچوب ملی معماری سازمانی ایران از چارچوب توگف و روش توسعه معماری آن اقتباس شده است. یکی از مسائل مهم در معماری سازمانی چابک، مدل سازی چابک است. ArchiMateیک استاندارد مدل سازی سطح بالا برای معماری سازمانی است. به دلیل اطمینان بیشتر نیاز است تا استاندارد ArchiMate با سایر استانداردهای مدل سازی سطح تفصیلی ترکیب شده و کاربردپذیری آن مورد ارزیابی قرار گیرد. در این مقاله به ارزیابی کاربردپذیری ترکیب استاندارد مدل سازی سطح بالای ArchiMate با پنج استاندارد مدل سازی سطح پایین شامل UML، BPMN، FAML،SoaML وBMM بر مبنای چارچوب ملی معماری سازمانی ایران پرداخته می شود. برای ارزیابی کاربردپذیری از روش ترکیبی(کیفی + کمی) استفاده می شود. هر استاندارد مدل سازی از نظر دامنه و کارکرد متفاوت است. از آنجاییکه یک استاندارد مدل سازی به تنهایی نمی تواند تمام نیازمندی های معماری سازمانی چابک بر مبنای چارچوب ملی معماری سازمانی ایران را پشتیبانی نماید لذا ترکیب استانداردهای مدل سازی راهکاری مناسب است. ارزیابی کیفی ترکیب استانداردهای مدل سازی از طریق مطالعه موردی انجام می پذیرد. ارزیابی کمی با استفاده از روش های تصمیم گیری چندمعیاره شامل فرآیند تحلیل شبکه ای و دیمتل انجام می پذیرد. بدین منظور بر اساس مطالعات کتابخانه ای و نظرات خبرگان تعدادی گزینه و معیار استخراج می گردد. طبق ارزیابی کیفی، ترکیب شش ابزار استاندارد مدل سازی با روش مدل سازی معماری سازمانی چابک بر مبنای چارچوب ملی معماری سازمانی ایران قابل انجام است. برای ارزیابی کمی کاربردپذیری در این مقاله چهار گزینه مطرح شده اند که بر اساس وزن نهایی به ترتیب عبارتند از : پشتیبانی توسط ابزارهای شناخته شده، قابلیت پوشش به فرآورده های روش توسعه چارچوب ملی معماری سازمانی ایران، کارآمدی یا اثربخشی، سهولت یادگیری یا آموزش پذیری.
پرونده مقاله
طبقه بندی و تحلیل ترافیک، یکی از چالش های بزرگ در حوزه داده کاوی و یادگیری ماشین است که نقش مهمی در تأمین امنیت، تضمین کیفیت و مدیریت شبکه دارد. امروزه حجم زیادی از ترافیک انتقالی در بستر شبكه توسط پروتكلهای ارتباطي امن مانند HTTPS رمز میشوند. ترافیک رمز، امکان نظارت چکیده کامل
طبقه بندی و تحلیل ترافیک، یکی از چالش های بزرگ در حوزه داده کاوی و یادگیری ماشین است که نقش مهمی در تأمین امنیت، تضمین کیفیت و مدیریت شبکه دارد. امروزه حجم زیادی از ترافیک انتقالی در بستر شبكه توسط پروتكلهای ارتباطي امن مانند HTTPS رمز میشوند. ترافیک رمز، امکان نظارت و تشخیص ترافيک مشکوک و مخرب در زيرساختهاي ارتباطي را (در قبال افزایش امنيت و حريم خصوصي کاربر) کاهش ميدهد و طبقهبندی آن بدون رمزگشايي ارتباطات شبكهاي كار دشواري است، چرا که اطلاعات payload از دست ميرود و تنها اطلاعات سرآيند كه بخشي از آن هم در نسخههاي جدید پروتكلهاي ارتباطي شبكه (نظيرTLS1.03) رمز ميشود، قابل دسترس است. از اينرو رويكردهاي قدیمی تحلیل ترافیک مانند روشهاي مختلف مبتني بر پورت و Payload کارآمدی خود را از دست داده، و رویکردهای جدید مبتنی بر هوش مصنوعی و یادگیری ماشین در تحلیل ترافیک رمز مورد استفاده قرار میگیرند. در این مقاله پس از بررسی روشهای تحلیل ترافیک، چارچوب معماري عملیاتی برای تحلیل و طبقهبندی هوشمند ترافیک طراحی شده است. سپس یک مدل هوشمند با رویکرد شناسایی ترافیک برنامهها مبتنی بر معماری پیشنهادی ارائه گردیده و با استفاده از روشهای یادگیری ماشین روی پایگاه داده ترافیکی Kaggle141 مورد ارزیابی قرار گرفته است. نتایج بدست آمده نشان میدهد که مدل مبتنی بر جنگل تصادفی، علاوه بر قابلیت تفسیرپذیری بالا در مقایسه با روشهای یادگیری عمیق، توانسته است دقت بالایی در طبقهبندی هوشمند ترافیک (95 درصد) در مقایسه با سایر روشهای یادگیری ماشین ارائه دهد.
پرونده مقاله
استراتژ ي فناوري اطلاعات عامل کليدي در بهبود فرآیند و عملکرد شرکت ها در بکارگيري فناوري اطلاعات ميباشد . از اینرو، بس ياري از شرکت ها داراي فرآیند برنامهریزي راهبردي ه ستند اما فقط تعداد اندک ي از آنها موفق به اجراي کارآمد ا ستراتژ يها مي شوند . لذا، هدف پژوهش حا ضر طرا چکیده کامل
استراتژ ي فناوري اطلاعات عامل کليدي در بهبود فرآیند و عملکرد شرکت ها در بکارگيري فناوري اطلاعات ميباشد . از اینرو، بس ياري از شرکت ها داراي فرآیند برنامهریزي راهبردي ه ستند اما فقط تعداد اندک ي از آنها موفق به اجراي کارآمد ا ستراتژ يها مي شوند . لذا، هدف پژوهش حا ضر طراح ي چارچوب فرآیندي اجراي ا ستراتژ ي فناوري اطلاعات ميبا شد؛ تا پي شران ها، فرآیندها پيامدهاي اجراي اس تراتژي فناوري اطلاعات در سازمان ها شناسا یي نماید. پژوهش حاضر پژوهش ک يفي با رویکرد پدیدارشناسانه محسوب م يشود و به منظور گردآوري دادهها، با استفاده از نمونه گيري نظري با 10 خبره وکارشناس حوزه فناور ي اطلاعات مصاحبه هاي باز و عميق صورت گرفت و دادههاي حاصل با رویکرد پدیدارشللناسللي در چارچوب ورودي- فرایند- پيامد مورد تحليل قرار گرفتند. نتایح تحليل نشان ميدهد، وروديها تحت عنوان پيشللرانهاي اجراي اسللتراتژي فناوري اطلاعات شللامل الزامات محيطي تداوم کسللو وکار، انسلل ام سلاختاري- لليلتمي، منابع انساني فناور محور، رهبري اسلراتژیك فناوري اطلاعات، نيازمنديهاي مهارتي و ارزشهاي مشلتر ميباشد. وجه دوم مدل اجراي اسللتراتژي فناوري اطلاعات ابعاد پایش و ابلاغ برنامه فناوري اطلاعات، تناسلو سللاختار ي، توسعه سيا ست هاي پ شت يبان، بودجهبندي و تخ ص يص منابع، آموزشهاي متنا سو و تو سعه فرهنگ ان ام کار را شامل م ي شود . در نهایت پيامدهاي اجراي استراتژ ي فناوري اطلاعات شامل پ يامدهاي مرتبط با مالي، فرآیند داخلي، مشتر ي و رشد و یادگيري ميباشد، دس ته بندي شدند.
پرونده مقاله
هدف از انجام این پژوهش ارائه الگوی برنامه کلان ملی شفافیت و آزادسازی اطلاعات میباشد. پژوهش دارای رویکردی تلفیقی (کیفی و کمی) بوده و از روش نظریه دادهبنیاد (گراندد تئوری) بهعنوان روش تحقیق استفاده شده است. در بخش کیفی با بررسی عمیق و اکتشافی قوانین و اسناد بالادستی، ا چکیده کامل
هدف از انجام این پژوهش ارائه الگوی برنامه کلان ملی شفافیت و آزادسازی اطلاعات میباشد. پژوهش دارای رویکردی تلفیقی (کیفی و کمی) بوده و از روش نظریه دادهبنیاد (گراندد تئوری) بهعنوان روش تحقیق استفاده شده است. در بخش کیفی با بررسی عمیق و اکتشافی قوانین و اسناد بالادستی، الگوها، نظریهها، برنامهها و اسناد کشورهای مختلف مرتبط با شفافیت و آزادسازی اطلاعات، تحلیل دادهها تا حد اشباع نظری، طی سه مرحله کدگذاری باز، محوری و انتخابی انجام گرفت. بهمنظور دستیابی به ابعاد، مؤلفهها و زیرمؤلفههای این الگو، 620 کد اولیه استخراج گردید که با حذف موارد مشترک و تکراری به 593 کد ثانویه تقلیل یافت و در ادامه 129 مفهوم استخراج شد. در نهایت، 24 مقوله فرعی، ذیل 5 مؤلفه اصلی بر اساس الگوی پارادایم قرار گرفتند. در بخش کمی، نتایج حاصل از تحلیل پرسشنامه نشان داد که از منظر روایی، ارزش کلی پرسشنامه در ابعاد مختلف بین اعداد 0.87 الی 0.92 و میزان ضریب اعتماد بین اعداد 0.73 الی 0.78 گزارش شد. بر اساس تجزیهوتحلیل دادهها، ایجاد نهاد فرا قوهای راهبری شفافیت و آزادسازی اطلاعات، تعیین دقیق موارد استثنا، حکمرانی شبکهای، مطالبهگری شفافیت، پایبندی به چارچوبها، افشای حداکثری و حمایت از افشاگری مشروع و تأسیس مراکز حکمرانی داده از جمله مقولههای مورد تأکید در این الگو بود.
پرونده مقاله
طبقهبندی و تحلیل ترافیک، یکی از چالشهای بزرگ در حوزه داده کاوی و یادگیری ماشین است که نقش مهمی در تأمین امنیت، تضمین کیفیت و مدیریت شبکه دارد. امروزه حجم زیادی از ترافیک انتقالی در بستر شبكه توسط پروتكلهای ارتباطي امن مانند HTTPS رمز میشوند. ترافیک رمز، امکان نظارت چکیده کامل
طبقهبندی و تحلیل ترافیک، یکی از چالشهای بزرگ در حوزه داده کاوی و یادگیری ماشین است که نقش مهمی در تأمین امنیت، تضمین کیفیت و مدیریت شبکه دارد. امروزه حجم زیادی از ترافیک انتقالی در بستر شبكه توسط پروتكلهای ارتباطي امن مانند HTTPS رمز میشوند. ترافیک رمز، امکان نظارت و تشخیص ترافيک مشکوک و مخرب در زيرساختهاي ارتباطي را (در قبال افزایش امنيت و حريم خصوصي کاربر) کاهش ميدهد و طبقهبندی آن بدون رمزگشايي ارتباطات شبكهاي كار دشواري است، چرا که اطلاعات payload از دست ميرود و تنها اطلاعات سرآيند كه بخشي از آن هم در نسخههاي جدید پروتكلهاي ارتباطي شبكه (نظيرTLS1.03) رمز ميشود، قابل دسترس است. از اينرو رويكردهاي قدیمی تحلیل ترافیک مانند روشهاي مختلف مبتني بر پورت و Payload کارآمدی خود را از دست داده، و رویکردهای جدید مبتنی بر هوش مصنوعی و یادگیری ماشین در تحلیل ترافیک رمز مورد استفاده قرار میگیرند. در این مقاله پس از بررسی روشهای تحلیل ترافیک، چارچوب معماري عملیاتی برای تحلیل و طبقهبندی هوشمند ترافیک طراحی شده است. سپس یک مدل هوشمند با رویکرد شناسایی ترافیک برنامهها مبتنی بر معماری پیشنهادی ارائه گردیده و با استفاده از روشهای یادگیری ماشین روی مجموعه داده ترافیکی Kaggle141 و مجموعه داده محلی مورد ارزیابی قرار گرفته است. نتایج بدست آمده نشان میدهد که مدل مبتنی بر جنگل تصادفی، علاوه بر قابلیت تفسیرپذیری بالا در مقایسه با روشهای یادگیری عمیق، توانسته است دقت بالایی در طبقهبندی هوشمند ترافیک (به ترتیب 95% و 97%) نسبت به سایر روشهای یادگیری ماشین روی مجموعه داده Kaggle141 و ترافیک محلی ارائه دهد.
پرونده مقاله